記述統計学実践編

記述統計学とは、データを見易くすること

　データを整理して誰でも見易くする「記述統計学」を実践してみましょう。

　R Consoleにデータ（Ａテストの点数）を入力し、平均と分散を表示させてみます。

Ａテストの点数結果と平均点と分散

• 平均値：72.4
• 分散：259.3778

　分散（データの散らばり具合）に関しては、他のテストの点数結果を比較する時に使います

　例えば、Ｂテストの結果がこんな結果となった場合

Ｂテストの点数結果と平均点と分散

• 平均値：78.1
• 分散：225.8778

記述統計学から分かること

　ＡテストとＢテストでは、Ｂテストの成績が良かったという評価ができる。（先生視点）

　Ａテストでは、Ｂテストと比べて、出来る人と出来ない人の差が激しい。（生徒視点）

　つまり、生徒の能力を正しく判定するテストの出来は、

　分散が小さいＢテストが優れていると考えられる。

　分散1つで、テストの善し悪しを評価出来るのは、記述統計学の強み。

　では視覚的な視点で、データを見るとどうでしょうか？

par(mfrow=c(2,1))：描画を表示する画面を、2行1列で表示する

br <- seq(40,100,15)：40～100までを15等間隔でデータを入力

br:：「40,55,70,85,100」

hist(A,breaks=br,prob=T)：Ａのデータ、breaksはx軸の目盛、probは相対頻度を表す

ヒストグラム

　

　視覚的に表示することによって、数字だけの統計結果をやんわりさせることができます。

　ＡテストとＢテストのヒストグラムでは、なかなか分かりづらいですね。

　図と数字両方をうまく使い分けることが大切です。

　

　

データマイングで初めにやるべき「データの整形」

データ分析で1番重要な｢データ｣の整理

　データ分析では、大量のデータ群を全て分析するわけではありません。

　必要な要所要所を取りだすことも、データマイングでは欠かせない技術になります。

　今回は、データを取り出す方法を紹介します。

データを取り出す「subset」関数

subset(元のデータ、抜き出す条件)

抜きだす条件によって、さまざまな条件のデータを取り出すことができます。

①：変数を指定して取り出す

subset(dat, select=c("kokugo","sugaku"))

※変数を選択する場合は、selectを使用する

②：Ａ組のデータだけ抜き出す

subset(dat,dat$class=="A")

※$で変数指定、==は＝と同義

③：欠損値のないデータを抜き出す

subset(dat, complete.case(dat))

※欠損値のないデータは、complete.case


次回は、R のソフトを使う前提として統計学を勉強します。

R で良く使われる関数

R もっとも基本的な関数の紹介

　R console に数式を入力して計算をする前提では、大量のデータを処理することは不可能です。

　複雑な処理をまとめた関数を利用することで、ゼロからでもデータマイングが可能となります。

　今回は、データ分析でよく使われる関数を紹介します。

①str

　データ構造を把握する関数

　例えば、依頼主からデータを渡されたとしても、

　それがどのようなデータ構造をしているのか依頼主でさえ分からない場合があります。

　データ構造を理解しなければ、それに適した分析もできないため、

　「str」関数によって状況を把握します。

②summary

　データ要約の関数

　「str」関数によってデータ構造を把握することに加え、このデータは、

　つまりどういう意味をしているかという簡単な要約も必要です。

　「summary」関数によって表示されるのは、変数の最小値、中央値、平均値、最大値です。
　

1. 中央値と平均の違い
2. 中央値：数字を並べて真ん中の数⇒周りのデータに影響されない
3. 平均値：合計÷データ数　　　　　　⇒周りのデータに影響される

③names

　変数名を教えてくれる関数

　膨大なデータ量を処理する時に、データ変数名を一覧として表示してくれます。

④hist＆plot

　ヒストグラムと散布図の関数

　図を描画してくれる。

⑤help

　関数の説明をしてくれる関数

　但し、英語で説明されるので慣れるまで辛抱です。

　次回は、データ解析の初歩である「データの整形」について紹介します。




　

分析するデータの種類とデータ構造を知ろう

数字だけを分析するわけではないデータマイング

　データ解析と言われると、数字だけを分析すると思われるかもしません。

　しかし、分析する対象には、「Yes or No」 のアンケート調査や、

　データが集められなかった場合の空データも存在します。

　R で扱うデータの種類、そしてデータ構造を紹介します。

＜データの種類＞

整数

実数

複素数

実数 a, b と虚数単位 i を用いて a + bi と表せる数のこと

文字列

数値データ以外を指します。

論理値

論理値は、「正しいか、正しくないか」という意味で、

表現としては、「TRUE or FALSE」を使います。

空値

空値とは、何もないことをを表す。決して「ゼロ」という意味ではありません。

ちなみに空値は、「NULL」と表現されます。

＜データ構造＞

①ベクトル

複数の数値を合わせたデータ構造

例1：x <- c(1,2,3)

※cは関数「conbine」、結合するという意味

この場合、x は、1でも2でも3でもなく、3つの数字のセットと考えます。

R では、データ集合をベクトルとしてよく利用します。

②行列

　数値を長方形に並べたもので、matrix関数で作成する

　matrix(ベクトル,行または列の数)

例3：matrix(c(1,2,3,4,5,6), ncol=3) ncol は行を、nrowは列の数を指定できる

次回はRでよく使われる関数に焦点を当てます。

ここまでで質問がありましたら気軽にメールを下さい。データ解析の相談でも構いません。

「R」ソフトの Excelデータの取り込み方と基本コマンド

R のデータの取り込み方

　R でデータ分析をするには、まず基となるデータが必要です。

　主に統計解析で扱うデータは、Excel形式で保存されていることが多いので、

　Excel形式のデータを R に取り込む方法を紹介します。

Excelのデータを R に取り込む手順

①ExcelのデータをCSV形式に変換する

　CSVとは何かを話すよりも、実際に見た方が早いので、

　体重測定のデータ（Excel）をCSV形式で保存します。

体重測定のデータ

　

　名前を付けて保存⇒ファイルの種類を「CSV」に設定して保存します。

　R は日本語に対応しづらいので、ファイル名は「test.csv」と英数字で表記します。
　

CSV形式で保存

　

CSVファイルとは？

　CSVは、数字を"，"で区切った簡単な構造のファイルです。

　Excelのような、セルもシートも存在しないため、

　いろんな場所で扱いやすいデータ形式とも言えます。

　メモ帳で開くと、よく分かります。

単純な構造をしています

② R の作業ディレクトリーを指定する

　ディレクトリーとは、作業場所という意味です。

　保存したデータを R で処理するために、毎回データを指定します。

　この時、毎回データを参照する場所をあらかじめ決めた方が便利ですね。

　台所で調理をするなら、冷蔵庫はすぐ隣にあった方が便利と同じです。

　Tools ⇒　Global Options　⇒　General　⇒　Default Working Directory ⇒　Browse…　をクリック

作業ディレクトリ―の指定

　作業ディレクトリーが正しく設定されると、指定したファイルが表示されます。

　











　

　③ R のデータ読み込み

　R のコマンド「dat <- read.csv("test.csv")」を入力し実行します。

　







　右上のEinvironmentタブの「dat」をクリックし、中身を確認できます。

　これ以外にも、「R console」 のコマンドで、データを表示する方法を紹介する。

R の基本コマンド

　①データ読み込み時に指定した変数
　
　例：dat

　②特定の変数を指定する場合は、＄マークを使う
　
　例：dat$weight　体重だけ表示される

　③列・行を指定する場合は、[ 行番号,　列番号 ]を使う

　例：dat[1,2]　1行2列目の値を表示


　次回は、データ分析で扱うデータの構造について紹介します。

「R 」の基本操作、プロジェクトの作成

Rを実際に動かしてみよう

　統合開発環境「R Studio」を設定し、R 運用の準備が整いました。

　さっそく「R」もといデータマイングを始めたいと思います。

　「R Studio」では、分析目的ごとにプロジェクトを立てます。

　文章を作る為に、「Word」で新しいファイルを開くように、

　「R Studio」でも、分析するためにプロジェクトを開きます。

プロジェクトの作成方法

①プロジェクトを開く

　File ⇒ New Project

　New Directory　⇒　 Empty Project

②プロジェクトの名前を指定する

　フォルダ名やファイル名は、半角英数で設定します。

　日本語は不可ですので、気を付けてください。

今回は、「Rstudioproject」に設定しました

　

③Create Project をクリックし、プロジェクトを作成する

　右下のウィンドウに、作成した「Rstudioproject」が表示されます。

プロジェクトの操作一覧

プロジェクトを開く時は、　　File ⇒ Open File

プロジェクトを閉じる時は、 File ⇒ CLose File

次回は、R 内で計算をしてみましょう。

視覚的に操作できる「R コマンダー」

Rコマンダーのインストール方法

　R コマンダーは、Excel や SPSS のようにマウスやダイアロボロックスを使った

GUI（視覚的に操作できる）を、R に持たせるパッケージです。

インストールは、前回と同じ、「R console」 のコマンドから実行します。

「R コマンダー」のインストール方法と起動方法

Ⅰ：

R を管理者権限で実行します。

管理者権限は、Rのアイコンを右クリックすると表示されます

Ⅱ：

　コマンド「install.packages("Rcmdr", dependencies=T)」を入力して実行します。

Ⅲ：

　パッケージは、library(パッケージ名)によって実行します。

　R コマンダーを実行するには、library(Rcmdr)と入力します。

　R コマンダーでは、

1. データの読み込みや加工
2. 度数分布や相関係数のような記述統計
3. グラフの作成
4. 回帰分析等の多変量解析

をGUIで操作できます。

　R console では、計算式のようなコマンド（命令）を必要としましたが、

　R コマンダーでは、視覚的に操作できます。

　また、その操作の対象とコマンドも、スクリプトウィンドウに表示されるので、

　R で必要なコマンドを覚えるのに役立ちます。

インストール時の注意点

　R コマンダーを実行するのに、必要なパッケージがRに組み込まれていないとエラーが発生します。

足りないパッケージの指示が出た場合は、そのままパッケージをインストールしましょう。

　次回は、さらに R を使いやすくする統合開発環境「RStudio」について紹介する。

R「パッケージ」のインストール方法

　パッケージのインストールを解説します。
　今回インストールするパッケージは、社会科学分野で使われる「car」です。回帰分析等の統計分析に関する関数が集まった拡張機能です。
　R本体からインストールができるので、R console から「car」を組み込んでいます。

「car」のインストール方法

①
　R を管理者権限で実行する。右クリックで、管理者権限で起動する。

②
　コマンド「install.packages("car")」を入力して実行する。

③
　パッケージをダウンロードするCRANサイトを選択する。通常は、「Japan」を選択する。
　

　



















④
　パッケージ「car」が、インストールされたことを確認する。

　インストールしたパッケージを利用する場合は、R を起動するごとに、library(car)とパッケージ名を入力する。次回は、Rソフトを使いやすくするパッケージ「R コマンダー」をインストールします。

「R エディタ」の使い方

R Console の動かし方

「R」の本体が、R Console というウィンドウであることを紹介しました。

　では、どのように命令を実行するのでしょうか？

　赤い「＞」プロンプトに、1 + 2 という計算式を入力し「Enter」で実行してみましょう。

　次の行に[1] 3 という足し算の結果が表示されました。

 「1 + 2」 は計算式ですが、「R Console」 のウィンドウにとっては、コマンド（命令）となります。

「R Console」 に命令を送ることによって、R のソフトは動きます。

　しかし、短い式ならともかく長い式を直接入力するのは大変です。

　コマンドは、ただのテキストデータですから、

　メモ帳で編集し、「R Console」 にコピペして作業する方法もあります。

　けれど、コマンド毎に行を変える面倒が発生します。

　そこで登場するのが、R 専用のメモ帳「R エディタ」です。

　複数のコマンドを、スクリプトを呼びますが、このスクリプトを 「R エディタ」で編集してみましょう。

---

　「R エディタ」の使い方

　流れ

1. ファイル
2. スクリプトを開く
3. メモ帳が出現
4. コマンドを記入
5. コマンドを選択し「Ctrl + R」で命令が実行

（先ほどの直接入力が、間接的に入力される形となる）
　

（先ほどの直接入力が、間接的に入力される形となる）

　※日本語対応にしています。

　インストール時に、

「Message Translate」

に☑を入れると日本語になります。








　しかし、これでも面倒です。

　もっと簡単に入力できる方法を探す必要があります。

　次回は、「パッケージ」についてです。

　R は、単純な計算式をするソフトではありません、複雑なデータ解析をするためのソフトです。

　それを実行するコマンドは、素人には扱えないものばかりです。

　そこで、それらを簡単に要約してまとめた「パッケージ」をインストールすることによって、

　誰でも分析が出来るようにしたいと思います。


　

統計解析ソフトの種類と、「R」のインストール方法

誰でも始められるデータマイング

　『ゼロから始めるデータマイニング』では、統計解析を無一文で実践して、

　有益な情報を手に入れる「データマイング」を実践していきます。

　今回はその第一回目です。

　まず、統計解析をする上で必要な統計ソフトをインストールしましょう。

どの統計解析ソフトが良いのか？

　統計解析ソフトは、以下の三つが挙げられます。

1. 　エクセルに附属された「分析ツール」
2. 　統計解析ソフト「SPSS」
3. 　統計解析ソフト「R」

　皆さんも気になる違いを簡単に説明すると、

1. 　エクセルに附属された「分析ツール」→普通
2. 　統計解析ソフト「SPSS」→専門的で有料で有能
3. 　統計解析ソフト「R」→専門的で無料で…

　「R」に関しては、無料で提供され、有志によって改善が図られています。

　もちろん使いやすさの点では、有料のエクセル、「SPSS」（エクセルより専門的）が

　勝りますが、お値段が数万以上します。

　『ゼロから始めるデータマイング』では、無料の「R」を使っていきます。

「R」のインストール方法

　　「R」が置いてあるサイト「CRAN」に飛びます。

　パソコンのOSと同じ「R」のプログラムをダウンロードします。

　Windowsなら、

　

をクリック→

　Baseをクリック→

　

　最新版をクリックする。

　しばらくすると、インストールプログラムが起動します。

　プログラムのセットアップの注意点

　
　「Displya Mode」は、デフォルトの「MDI」ではなく、「SDI」に変更します。

　SDIは、Rに関する様々なウィンドウを独立させて表示することができ、今後新しくプログラムを組み込む際に見易くなります。

　Rを起動してみましょう。

　「R」の本体は、R Console という名前のウィンドウになります。

R Consoleウィンドウ

　赤い「>」はプロンプトと呼ばれ、キーボートからコマンド（命令）を入力して数的処理をします。

　これでRのインストールは完了しました。次回は、Rエディタについて紹介します。